FPL_Data_Visualization

Datenerkundung der Fantasy Premiere League

Zoe Olson, Kyle Holmberg und Ryan Collier haben sich zum Ziel gesetzt, etwas über Datenerfassung, -analyse und -visualisierung zu lernen.

Wir haben die englische Premier League als Datenquelle ausgewählt, wobei der Schwerpunkt auf der Verbesserung der Ergebnisse der Fantasy Premier League liegt.

Inhaltsverzeichnis

• Verwendete Ressourcen
• Installieren
• Inhalt
• Beitragen
• Lizenz

Verwendete Ressourcen

https://www.cs.uoregon.edu/Classes/16F/cis451/final.html

FPL-Bootstrap-API-Endpunkt

FPL-Player-API-Endpunkte (1 bis eine variable Zahl um 656)

Ähnliches Projekt

Asynchrone HTTP-Anfragen in Python 3.5+

1 Million Anfragen mit python-aiohttp stellen

Installieren

Bitte installieren Sie Virtual Environments.

Webscraper

1. Klon-Repository.
2. Öffnen Sie das Terminal im Repo/Webscraper/
3. Erstellen und aktivieren Sie Ihre virtuelle Umgebung.
4. $ pip3 install -r requirements.txt
5. $ python3 fpl_csv_converter.py

Flaschen-App

1. Installieren Sie Homebrew
2. Öffnen Sie das Terminal und verwenden Sie $ brew install mysql
3. Klon-Repository.
4. Ändern Sie die Verzeichnisse im Terminal in repo/
5. $ mysql -u <username> -p <password> <database name> < create_fpl_models.sql
6. $ cd app
7. (Vorübergehend) Bearbeiten Sie Zeile 23 von „entry.wsgi.py“ in den lokalen MySQL-DB-Speicherort.
8. Erstellen und aktivieren Sie Ihre virtuelle Umgebung.
9. $ pip3 install -r requirements.txt
10. $ python3 entry.wsgi.py

Inhalt

Um unser Jupyter-Notizbuch anzuzeigen, klicken Sie HIER

 ├── LICENSE
├── README.md
├── app
│   ├── entry.wsgi.py
│   ├── requirements.txt
│   ├── static
│   └── templates
├── create_fpl_model.sql
├── docs
│   ├── CIS407_Retrospective.pdf
│   ├── CIS451_Final_Report.pdf
│   ├── Retrospective.pdf
│   └── create_fpl_model.sql
├── jupyter_notebook
│   ├── Jupyter_viz.ipynb
│   ├── README.md
│   └── jupyter_viz_files
├── mysql_dump.sql
└── webscraper
    ├── CurrentSeasonStats.csv
    ├── History.csv
    ├── Managers.csv
    ├── Player.csv
    ├── PlayerResultStats.csv
    ├── Result.csv
    ├── Teams.csv
    ├── TotalPastStats.csv
    ├── fpl_csv_converter.py
    └── requirements.txt

Beitragen

Was ist fertig?

• Statistische Analyse mit Visuals: Jupyter Notebook unter Verwendung von Pandas und Matplotlib
• Datenerfassung: Python Web Scraper, der API-Endpunkt-JSON in eine MySQL-Datenbank konvertiert
• Interaktive Datenvisualisierung(en): d3.js, matplotlib, pandas und Flask

Was übrig bleibt

• Webscraper-Refactor
• Neugestaltung der Flask-App (geplante Veröffentlichung der Saison 2017–2018)
• Erstellen Sie einen automatisierten Fantasy Manager

Lizenz

MIT © Kyle Holmberg